共查询到20条相似文献,搜索用时 0 毫秒
1.
空间回归模型由于引入了空间地理信息而使得其参数估计变得复杂,因为主要采用最大似然法,致使一般人认为在空间回归模型参数估计中不存在最小二乘法。通过分析空间回归模型的参数估计技术,研究发现,最小二乘法和最大似然法分别用于估计空间回归模型的不同的参数,只有将两者结合起来才能快速有效地完成全部的参数估计。数理论证结果表明,空间回归模型参数最小二乘估计量是最佳线性无偏估计量。空间回归模型的回归参数可以在估计量为正态性的条件下而实施显著性检验,而空间效应参数则不可以用此方法进行检验。 相似文献
2.
3.
文章在有限样本条件下,通过加权最小二乘法和普通最小二乘法随机模拟了误差项为EGAKCH-norm和EGARCH-t时序的ADF检验,发现用加权最小二乘法(WLS)比普通最小二乘法(OLS)得到检验统计量的临界值更加稳健,用t(ρ)统计量要比用t(ρ)统计量更有效. 相似文献
4.
近年来运用空间计量经济模型进行实证分析的文献都普遍采用空间自回归(SAR)形式的设定,对参数的估计也多采用极大似然(MLE)的方法。在经典多元线性回归模型中,仅有被解释变量的测量误差并不会影响系数估计的一致性。本文证明对于SAR模型,即使仅当被解释变量存在测量误差时,且无论该测量误差是否与模型本身的扰动项相关,普遍采用的MLE都将是不一致的。为此,Hausman型的设定检验被推广到SAR模型中用以判别是否存在被解释变量的测量误差。当零假设被拒绝时,我们说明由Kelejian&Prucha(1998), Lee(2003)提出的二阶段最小二乘法仍然可以得到参数的一致估计。Monte Carlo模拟的结果与我们的理论预期一致。最后我们用一个估计地方环境支出外溢效应的实例说明如何运用本文所提的方法来检验应用空间自回归模型时可能存在的测量误差。 相似文献
5.
文章讨论了当线性模型有一定的附加信息时,回归系数的混合估计与最小二乘估计的相对效率问题;在误差矩阵为正定矩阵时,给出了一种新的相对效率,并导出了它的上界. 相似文献
6.
7.
本文首先讨论了纵向数据部分线性模型yij=xijβ+g(tij)+eij的可行广义最小二乘估计方法及其估计的渐近性质,然后通过统计模拟研究表明我们的估计方法在有限样本情形也有良好的效果.由该方法获得的估计量具有显示解,计算简便,便于实际应用. 相似文献
8.
9.
基于模糊线性回归的电子商务交易额预测 总被引:1,自引:0,他引:1
由于外界环境的影响以及复杂系统本身的模糊性,经典线性回归不能解释这类不精确数据的问题.因此,文章建立因变量是对称模糊数的线性回归模型.根据中国电子商务交易额和互联网发展数据,考虑因变量在不同时期的差异隶属,计算出回归函数的估计表达式.通过与经典线性回归的结果进行比较分析,表明模型在描述数据间内在结构,以及提高预测的精度上有显著效果. 相似文献
10.
作为可加模型和部分线性模型的推广,部分线性可加模型是一类应用广泛的半参数模型。文章主要讨论了当线性部分的协变量测量含误差时模型的估计问题,我们基于profile全最小二乘法构造了参数分量和模型误差方差的估计,并证明了估计量的渐近正态性。 相似文献
11.
文章在MSE准则下对半参数模型中的参数的两步估计和最小二乘估计进行了比较,给出了参数的两步估计优于最小二乘估计的充分条件。 相似文献
12.
13.
对二元二次多项式回归模型进行预先正交化处理,提出使用因子空间的N等份的格子设计的观点,推导出了信息矩阵的一般性结构,并给出了该设计的非退化条件及其最小二乘估计和对应的协方差矩阵。 相似文献
14.
本文从几何的角度,解释了在抽样统计中经常用到的几个统计量的意义。注重从多维空间中寻找统计量的存在意义,是本文的一大特点。 相似文献
15.
作为普通最小二乘法的改进,加权最小二乘法用于存在异方差问题的线性回归模型的参数估计。文章通过对加权最小二乘估计量、加权最小二乘变换的分析,并结合实际例证研究发现,加权最小二乘法在应用中存在一些不足之处,因而当发现模型存在异方差时使用加权最小二乘法是存在风险的。 相似文献
16.
对于指数分布,文章利用样本的部分顺序统计量构造了一种枢轴量。求出精确的抽样分布,并研究了Fisher信息量,进而可以进行参数的区间估计。 相似文献
17.
18.
19.
为了刻画时空异质性,文章基于地理加权回归技术和似乎不相关回归方法提出了一种新的空间计量经济学模型——地理加权似乎不相关模型.对于这类模型中的未知系数函数,提出了两种估计方法,第一种方法是利用局部加权最小二乘方法分别估计每个时刻对应的空间变系数模型,第二种方法是广义局部加权最小二乘估计,考虑了同一地点不同时刻误差之间的相关性. 相似文献
20.
1系统聚类方法及其存在的问题1.1系统聚类法为了将样本进行分类,就需要研究样本之间关系。目前用得最多的方法有两个:一种方法是用相似系数,比较相似的样本归为一类,不相似的样本归为不同的类。另一种方法是将一个样本看作P维空间的一个点,并在空间定义距离,距离较近的点归为一 相似文献